金融知识与家庭投资型金融排斥——基于CHFS数据的实证研究

■罗 娟，胡世麟，李澄川

一、引言与文献综述

金融排斥理论从20 世纪90 年代被提出后一直受到各国学者的广泛关注。2019 年世界银行发布的《全球金融发展报告》显示，在参与调查的143 个国家和地区中，金融排斥现象普遍存在。从银行账户数量看，全球有超过17 亿人没有开通银行账户，其中16 岁以上居民没有银行账户的比例平均为34.6%，在发达国家这一比例仅为8.3%，而发展中国家这一数值高达39.9%。我国16岁以上居民中未拥有银行账户的比例为19.8%①根据中国银保监会规定，未满16周岁的未成年人需要在法定监护人的陪同下才可以办理借记卡，年满16周岁以后可以单独办理借记卡，年满16周岁但未满18周岁不能办理信用卡和网上银行等业务。，虽然高于世界平均水平，但是离发达国家还有较大差距。因此，研究如何减少家庭的金融排斥对于我国普惠金融的发展和金融供给侧结构性改革具有重要意义。

关于金融排斥的测度，目前没有统一的标准，比较流行的是多维测度法。Kempson & Whyley（1999）认为金融排斥是个人或家庭无法获得正规渠道金融服务的过程，并提出将金融排斥分为自我排斥、营销排斥、价格排斥、地理排斥、评估排斥和条件排斥六个维度。在实际应用中，学者们对Kempson 的六维测度法进行了改进，在原有基础上选择金融服务的使用度、使用效率、渗透性、可得性，金融机构的渗透度、营业网点数和银行账户拥有率等来构造金融排斥指标，用以衡量一国（地区）居民的总体金融排斥水平（Beck et al.，2007；李春宵和贾金荣，2012；粟芳和方蕾，2016）。随着微观数据库的建立，一些学者开始利用微观调查数据从家庭层面去度量家庭的金融排斥水平，但大多学者将是否拥有金融账户作为虚拟变量来衡量是否受到金融排斥（李涛等，2010；张号栋和尹志超，2016）。这种度量方法虽然方便，但比较粗糙，可能存在较大误差，没考虑到一个家庭没有金融账户不一定是受到了金融排斥，也可能是暂时没有需求。

金融知识作为一项重要的人力资本，在个人以及家庭的金融活动中起着至关重要的作用。大量文献关注金融知识对居民投资行为、借贷行为以及财富等方面的影响，主要从家庭金融行为和家庭财富积累两方面来间接研究金融知识对金融排斥的影响。一方面，金融知识水平高的家庭有更高的风险偏好，会更加积极地进行风险资产投资（Kapteyn，2005）。且金融知识的增加会提高家庭成功借贷的机率（宋全云等，2017），提高居民商业保险的参与度（秦芳等，2016），推动家庭对退休计划做出储蓄安排（徐佳和龚六堂，2019）和促进互联网金融的参与（尹志超和仇化，2019）。另一方面，金融知识除了影响家庭金融行为外，也会影响家庭财富。金融知识增加可以促进家庭参与创业（尹志超等，2014），优化家庭资产组合（吴雨等，2016），对家庭财富有显著的促进作用（Lusardi & Mitchell，2008；王正位等，2016）。

然而，直接研究金融知识和家庭金融排斥关系的文章较少，其中有代表性的是张号栋和尹志超（2016）的研究，其将家庭金融排斥大致分为投资类产品排斥和融资类产品排斥两大类，但文中直接采用虚拟变量（是否有正规金融账户）来测度家庭金融排斥，这种测度方法没有考虑到样本中无真实需求的家庭，也没有对金融排斥的来源进行具体区分。金融排斥产生的原因除了金融知识外，还存在一些其他因素。现有研究主要从宏观和微观等不同层面分析。宏观层面上，产业结构、人口结构、经济发展水平、社会消费品零售额和金融基础设施建设都对金融排斥有显著影响（吕勇斌等，2015）。微观层面上，居民的社会学个人特征（受教育程度、个人收入、就业情况、年龄等）和家庭特征（人口数量、家庭收入、财富状况等）也都会显著影响金融排斥（李春霄和贾金荣，2012；张号栋和尹志超，2016）。

总结现有文献，学者们对金融排斥的研究主要集中在其测度和影响因素两方面。多维测度方法能够全面地衡量金融排斥水平，被广泛运用到以省级面板数据为样本的宏观分析中，但在以个人和家庭为主体的微观调查中，由于部分数据难以收集，很多学者只能使用单一变量来简单衡量金融排斥程度。在影响因素方面，金融知识作为影响家庭金融排斥的重要因素，直接研究这两者之间关系的文章较少。与现有文献相比，笔者的研究是基于家庭微观调查数据的研究，且专门针对家庭投资型金融排斥的研究。区别于已有文献直接以是否拥有金融产品作为虚拟变量来表示金融排斥，笔者通过熵值法来量化金融排斥水平的大小，考虑了主观上没有相应金融产品需求的家庭的真实情况，使得金融排斥的测度更加准确。同时，将家庭投资型金融排斥进一步细分为股票型、基金型及互联网理财产品型，比较分析了金融知识对不同投资类产品金融排斥的异质性影响。

二、数据、变量及模型

（一）数据来源

全文所使用的数据来自于2015 年的中国家庭金融调查（China Household Finance Survey），该调查由西南财经大学中国家庭金融调查与研究中心在全国范围内开展，调查抽样采用三阶段分层与人口规模成比例（PPS）的方法，数据具有较好的权威性和代表性。2015 年的调查范围覆盖了全国29 个省（自治区、直辖市）的351 个县，样本规模达到37000多户，提供了家庭金融资产，家庭人口特征等多方面的详细信息，为研究金融知识对金融排斥的影响提供了数据支撑。

（二）相关变量的度量

1.金融知识的度量

为消除主观评价的不准确性，笔者参考张号栋和尹志超（2016）的研究，选择“利率计算、通货膨胀理解和投资风险”三个客观金融知识问题设计出六个变量运用因子分析法对金融知识水平进行测度。根据因子旋转后三因子各自的方差解释比例0.413、0.308、0.279为权重，构建金融知识指标，以此来全面衡量每个家庭的金融知识水平。

2.金融排斥的测度

主要研究家庭投资型金融排斥，借鉴王修华等（2009）的评估方法，将多维测度方法引入到微观数据中，基于自我排斥、营销排斥、价格排斥、地理排斥四个维度①营销排斥是指某些人群被排斥在金融机构的营销目标之外；自我排斥是指被排斥者认为自己申请获得金融产品被拒绝的可能性极大，成功率低，或者对金融产品和金融服务不愿意去了解，抱有偏见从而拒绝接受金融服务与金融产品；价格排斥是指金融产品入场价格过高，超出了受排斥者的承受范围；地理排斥是指受排斥者因为地理位置的原因，在居住生活的区域内没有可以提供金融服务的金融机构。，通过熵值法拟合出各个家庭投资型金融排斥水平的具体数值。一方面避免将主观上不需要金融产品的家庭纳入到金融排斥的一方；另一方面，拟合出的投资类金融排斥数值可以量化金融排斥水平的大小，更加准确地体现家庭的金融排斥水平，方便不同家庭之间进行比较。由于持有债券和衍生品的家庭较少，且对于不持有债券和衍生品的原因问卷中缺乏相关问题，数据无法获得，因此主要考察家庭在股票、基金和互联网理财三类产品上的金融排斥。家庭金融排斥的具体界定方法是：如果一个家庭持有某类产品，或者虽然不持有但其原因是没有兴趣、没有时间或精力以及有其他投资渠道，则表示这个家庭没有受到该类产品的金融排斥，反之认为其受到了金融排斥。表1 为投资型金融产品排斥的具体指标体系。

表1 衡量投资型金融排斥的指标体系

下面以家庭股票排斥为例来说明熵值法计算金融排斥水平的具体步骤：设Xij表示第i 个家庭的第j个排斥指标，其中i=1，2，…，n表示每一个家庭，j=1，2，3，4，分别表示股票排斥四个维度上的指标，即营销排斥、自我排斥、价格排斥和地理排斥。首先计算出第i 个家庭在第j 个排斥指标上的指标值比值；计算出第j 个排斥指标的熵值ej=，其中ej在0 和1 之间。计算排斥指标Xj的差异性系数。对于某一排斥指标j，如果家庭Xij的差异越大，则熵值ej越小，该排斥指标对不同家庭之间的比较作用就越大。在此基础上，定义差异系数为gj=1-ej。确定每个排斥指标的权重系数用营销排斥、自我排斥、价格排斥和地理排斥四个指标对股票排斥进行综合评价时，某一项排斥指标的差异系数越大，就表明这个指标在衡量股票排斥差别方面的能力越大，需要赋予的权重也越大，反之，赋予的权重越小。最后计算每个家庭的股票排斥得分值计算出每个家庭的股票排斥水平EX1后，依据相同的方法分别计算每一个家庭的基金排斥水平EX2 和互联网理财产品排斥水平EX3，最后再将家庭的股票排斥、基金排斥和互联网理财产品排斥看成衡量投资型金融排斥的三个维度，拟合出家庭的投资型金融排斥水平EX，权重的确定方法也是采用熵值法（与上类似）。从表2 可以看出，在三类投资型产品排斥中，互联网理财产品排斥的均值最大，仔细分析其构成发现，有32.6%来自于自我排斥，而股票排斥和基金排斥分别只有8%和10.1%来源于自我排斥，对比可以看出在三类产品的排斥中，自我排斥对互联网理财产品的影响最大。

表2 投资型排斥和不同产品排斥的描述性统计

3.控制变量的选取

参照以往文献的做法，在模型中加入户主的个人特征，具体包括户主年龄①由于自然人需年满18周岁才能开立股票、基金和互联网理财产品账户，故将年龄小于18周岁的样本予以删除，同时考虑到年龄较大的户主可能存在被代为开户投资的情况，这里将年龄最右侧1%分位的样本删除。、性别、教育程度②如果户主教育程度是本科，硕士研究生和博士研究生，则记为1，否则记为0。、是否党员、健康状态③判断户主健康的问题是：与同龄人相比，您现在的身体状况如何?1.非常好；2.好；3.一般；4.不好；5.非常不好。将选项1、2、3定义为身体健康，4和5定义为身体不健康。、是否已婚、风险态度④衡量风险态度的问题是：如果您有一笔资金用于投资，您最愿意选择哪种投资项目？1.风险高且回报率高的项目；2.风险略高且回报率略高的项目；3.风险平均且收益率平均的项目；4.风险略低且回报略低的项目；5.不担任何风险。将选项1、2定义为风险偏好，4、5定义为风险厌恶，3为风险中性。、是否有工作等变量以控制户主个人特征对家庭金融排斥的影响。同时加入家庭净资产、家庭劳动收入、家庭规模、家庭老人数量、家庭小孩数量以控制家庭特征方面的影响，并且为了控制不同地区的影响，还加入了是否农村、各省金融发展水平、各省人均GDP 表示地区特征的变量。这里金融发展水平用戈德史密斯指标衡量，即金融发展水平=（省份存款总额+省份股票市值+省份保费收入）/GDP。同时考虑到数据的代表性问题，剔除了相关变量的缺失值样本，最终剩余20678个有效样本。

表3 变量的描述性统计

表3报告了相关变量的描述性统计结果。样本家庭的平均金融知识得分为0.338，表明我国居民的金融知识比较缺乏，其标准差为0.442，数值比较大说明居民之间金融知识差距很大。户主平均年龄为50岁，其中72.8%的户主是男性，20%的户主是党员，只有13.3%的户主接受过大学本科及以上教育，绝大部分户主已婚。约有11%的户主认为自己与同龄人相比健康状况不佳。在家庭层面，家庭平均人口为3.46，家庭平均需要照顾的老人和小孩约1人，这表明样本家庭规模较小，经济负担相对较小，约20%的样本家庭来自农村。

（三）模型设定

基于前文的梳理与分析，接下来将从以下几个层面来检验金融知识对家庭投资型金融排斥水平的影响研究。首先，构建计量模型实证检验金融知识对中国家庭投资型排斥水平影响的总效应，设定如下基准模型：

其中，EX 表示家庭投资型金融排斥水平，Knowledge表示家庭金融知识水平，X为控制变量，ε为随机扰动项。考虑到家庭可以选择的金融投资产品种类繁多，不同类别的产品在风险收益等方面又存在较大差异，接下来分别研究金融知识对股票、基金及互联网理财产品三种不同金融产品排斥的影响，回归方程如下：

其中，EX1、EX2、EX3 分别表示股票排斥、基金排斥及互联网理财产品排斥。

三、实证结果分析

采用上文所列数据分别对模型（1）—（4）进行估计，分析金融知识对家庭投资型排斥、股票排斥、基金排斥和互联网理财产品排斥的影响，估计结果见表4。通过表4 的第（1）列可以看到，金融知识对家庭投资型金融排斥的估计系数为负，这说明金融知识确实能够缓解家庭投资方面受到的金融排斥，金融知识平均每提高1 个单位，家庭投资型金融排斥水平下降0.013 个单位，这与张号栋和尹志超（2016）的研究结论一致。第（2）、（3）列的结果显示金融知识同样能够缓解家庭股票排斥和基金排斥，金融知识提升1 个单位，家庭股票排斥水平下降0.023个单位，基金排斥下降0.018个单位，可以发现金融知识的提高对股票排斥的改善作用要大于基金产品。原因是股票的风险一般比基金风险大，基金具有集合投资、风险分散的特点，股票相对于基金而言更复杂，股票投资比基金投资更需要专业的金融知识，所以金融知识对股票排斥的缓解作用更大。第（4）列的实证结果发现了一个有趣的现象，金融知识对互联网理财产品排斥有正向作用，即总体上家庭金融知识水平越低，其受到的互联网理财产品排斥越低，这与金融知识对股票和基金的排斥有较大差别。进一步深入分析，发现问卷中的互联网理财产品主要是余额宝，微信理财通等储蓄类互联网理财产品，这类产品具有风险低，投资门槛低，收益稳定的特点，在购买和赎回上具有灵活性，收益也比银行活期类产品高，对收入相对较低、金融知识水平不高的人群较有吸引力。而对于金融知识水平较高的家庭，由于这类产品的收益相对较低，难以满足预期的投资收益率，购买这类产品的可能性反而较小，自我排斥的水平较高。互联网理财产品金融排斥指数中自我排斥占比为32.6%也粗略证明了这一点。因此，这里的金融知识对互联网理财产品排斥的正向影响可能与互联网理财产品自我排斥过高有关。

为了进一步验证这一猜想，在控制其他变量的情况下，将互联网理财产品的自我排斥水平与金融知识进行回归，结果如表5所示。从表5第（2）列结果可以看出，金融知识对互联网理财产品的自我排斥水平确实有正向作用。进一步地，在互联网理财产品排斥中将自我排斥进行剔除，研究互联网理财产品排斥和金融知识的两者之间的关系，表5 第（3）列的结果表明剔除自我排斥后，在控制其他变量的前提下，互联网理财产品排斥与金融知识之间的系数由正转负，表明剔除后两者呈负相关。这与尹志超和仇化（2019）的研究结论相似，即金融知识水平的提高能显著促进互联网理财的参与，减少金融排斥。

表4 金融知识对投资类产品金融排斥的影响

从表4 的第（1）列投资型金融排斥中的控制变量来分析，户主年龄越大，学习新知识和新技术的可能性越小，因此金融排斥水平越高。户主是党员的家庭，获取的社会资源和信息可能更多，所以受到的金融排斥水平较低。受过本科及以上高等教育的户主，其储备的金融知识相比未接受过高等教育的户主更多，能够缓解家庭受到的金融排斥，这与王修华等（2013）的研究结论一样。此外，家庭规模越大，受到的金融排斥水平越高。家庭收入、家庭资产越高的家庭，拥有的家庭财富越高，更加需要丰富的金融产品与金融服务来使资金运转起来，家庭金融排斥水平也越低。相比于城镇，农村地区的金融排斥现象更加严重，这与许圣道和田霖（2008）的研究结论一致。地区人均GDP越高，则该地区的金融机构越多，家庭享受到的金融服务的可能性越大，所以金融排斥水平也越低。

表5 金融知识对互联网理财产品排斥的影响

四、内生性问题

金融知识对我国家庭金融排斥具有显著的缓解作用，但是结合实际经验，金融知识和家庭金融排斥之间可能存在一定的内生性问题。一方面，金融排斥现象的存在会反过来影响家庭金融知识水平，当家庭受到金融排斥时，由于缺乏相关金融活动的经历，无法意识到金融知识的重要性，因此不会主动了解和学习金融知识，从而造成金融知识的匮乏。另一方面，金融知识的测度可能不准确，仅仅通过问卷中的三个问题来衡量单个家庭的金融知识水平，可能会高估或低估家庭金融知识水平。为了解决内生性问题，借鉴尹志超等（2014）的做法，选取同一小区金融知识水平总和减去该家庭后的平均家庭金融知识水平作为工具变量，即社区平均金融知识水平。因为受访家庭可以通过学习周围家庭行为来使金融知识得到提高，但社区内其他家庭的金融行为与该家庭没有直接联系，所以社区平均金融知识相对于受访家庭金融知识水平而言是外生变量，不受该家庭影响。检验工具变量所要求的相关性与外生性两个条件发现，在第一阶段估计中，F 值为451.6，工具变量t 值是58.99，表明工具变量不是弱工具变量，DWH检验的结果也显示金融知识存在内生性问题，因此选取社区平均金融知识作为工具变量是合适的。

表6 金融知识对家庭投资型金融排斥的影响：工具变量法估计

从表6 中可以看出，采用工具变量法两阶段估计的结果与基础回归的结果基本一致，用社区平均金融知识作为工具变量后，金融知识对家庭投资型金融排斥依然有明显的改善作用。将不同投资产品的金融排斥进行对比，可以发现金融知识对股票排斥的改善作用大于基金排斥。社区平均金融知识每提高1个单位，投资型金融排斥、股票排斥和基金排斥水平分别下降了0.018、0.04和0.035个单位，互联网理财产品排斥水平增加0.027个单位。从表6 第（1）列的其他解释变量来分析，户主党员、受教育程度、户主健康、户主风险偏好、家庭资产、家庭收入和省区平均GDP 水平依旧能显著改善家庭受到的金融排斥，同时户主年龄、户主已婚、家庭规模、户主风险厌恶和户主在农村地区也依旧会使得家庭金融排斥现象显著增加，这些估计结果和前文基本相同。

五、稳健性检验

为了考察上文模型估计的结果的可靠性，通过两种方式对模型估计结果进行稳健性检验。

第一，改变金融知识的测度方法。

选取是否关注金融消息①问卷中的问题为：您平时对经济、金融方面的信息关注程度如何？1.非常关注；2.很关注；3.一般；4.很少关注；5从不关注。将选项1、2、3赋值为1，表示关注金融消息，将选项4、5赋值为0。以及是否参加金融课程②问卷中的问题为：您是否上过经济或金融类课程？1.是；2.否。作为哑变量来替换金融知识进行稳健性检验，具体的回归结果如表7 所示。从表7 的第（1）—（3）列可以看出，关注金融消息和上过金融课程都能缓解家庭投资型金融排斥、股票排斥和基金排斥，并且估计结果与前文的回归结果在方向和显著性水平上都具有一致性，说明金融知识对家庭金融排斥的估计结果是稳健的。对于互联网理财产品排斥，关注金融消息会显著增加互联网理财产品金融排斥水平，上过金融课程对互联网理财产品排斥有正向作用，但并不显著，和前文结果一致，表明了前文所得结论的稳健性。

表7 金融知识对不同金融产品排斥的稳健性检验

第二，按收入和居民属性对样本进行了分组分析。

一是将样本按照家庭纯收入分成低收入、中等收入和高收入三组，然后分组回归研究金融知识对家庭投资型金融排斥以及对股票、基金、互联网理财三类产品排斥的影响。表8 的回归结果表明，对于投资型排斥以及股票排斥和基金排斥而言，在收入不同的三个组，金融知识对金融排斥都具有负向影响，即随着金融知识提高，低收入、中等收入和高收入群体都能有效缓解他们受到的投资型排斥、股票排斥和基金排斥，这进一步证明了前文结论是稳健的。表9为剔除自我排斥前后的互联网理财产品排斥对金融知识的回归结果。剔除自我排斥前，金融知识对中低收入群体的互联网理财产品排斥为显著的正向影响，即对于中低收入群体，他们的金融知识越低，购买互联网理财产品的可能性反而越高，可能原因是互联网理财产品具有投资门槛低、收益率相对较高的特点，对中低收入群体而言，互联网理财产品是对银行存款的一种替代品。而对高收入群体，金融知识对互联网理财产品排斥没有显著影响，原因是高收入群体对于互联网理财产品有较高的自我排斥，高净值财富人群的资金充足，投资机会较多，传统投资方式的粘性较大，此时不会选择投资余额宝、微信理财通等储蓄类互联网理财产品。从表9 的（4）、（5）、（6）三列的结果可以看到在剔除自我排斥后，随着金融知识的提高，三组收入群体购买互联网理财产品的水平会增加，会缓解其受到的互联网理财产品排斥。从表9可以看出中低收入群体是购买互联网理财产品的主要人群。

表8 金融知识对投资类金融产品排斥的异质性影响一

表9 金融知识对互联网理财产品排斥的异质性影响一

表10 金融知识对家庭投资类金融产品排斥的异质性影响二

二是按照城镇和农村进行分组，回归结果见表10。从该表可以看到无论是城镇还是农村，金融知识的增加都有助于缓解家庭投资型排斥，股票排斥和基金排斥，并且相对于农村家庭，城镇家庭金融知识提高对这三种金融排斥的缓解作用都更大，原因是城镇的金融机构营业网点数比农村更多，金融设施也更完善，城镇家庭享受到的金融服务会更多，所以当家庭金融知识提高相同程度时，对城镇家庭金融排斥的缓解作用更大。表11 为金融知识分别对城镇和农村的互联网理财产品排斥的影响，在剔除自我排斥前，农村地区金融知识的增加会显著导致家庭互联网理财产品排斥的增加，即随着农村家庭金融知识的增加，其拥有互联网理财产品的可能性更小。在城镇中，这种作用并不显著。而在剔除自我排斥后，无论是城镇还是农村，金融知识的增加均可以缓解家庭互联网理财产品的排斥，这也表明了前文的结论是稳健的。

表11 金融知识对互联网理财产品排斥的异质性影响二

六、结论及建议

选取中国家庭金融调查（CHFS）2015 年的数据，基于熵值法构建了家庭投资型金融排斥、股票排斥、基金排斥和互联网理财产品排斥指标，用因子分析的方法构建出家庭的金融知识水平指标，实证研究金融知识对中国家庭投资型金融排斥的影响。研究发现，在控制其他影响因素的条件下，金融知识的提高能有效缓解家庭投资型金融排斥。从家庭投资较多的三类金融产品看，提高金融知识对家庭股票排斥和基金排斥有显著的缓解作用，但对两种产品的缓解作用存在差异，金融知识对股票排斥的影响要大于基金排斥。值得注意的是，笔者发现金融知识的提高会增加家庭互联网理财产品的金融排斥，这是因为金融知识与互联网理财产品自我排斥正相关，互联网理财产品自我排斥的比例较高，而剔除自我排斥后金融知识对家庭互联网理财产品的影响为负，即金融知识水平的提高可以减少互联网理财产品除自我排斥外的客观金融排斥。除了金融知识以外，结果表明户主受教育程度、户主是党员、户主身体健康、家庭收入、家庭资产和地区人均GDP 水平等都显著有利于缓解家庭的金融排斥。

根据上述结论，提出以下建议：一是对家庭而言，要认识到金融知识的重要性和必要性，努力提高自己的金融知识水平，同时可以根据家庭资产状况、个人风险偏好等因素选择合适的金融产品，在金融投资过程中总结经验，实现金融知识和金融活动相互促进的良性循环。二是对金融机构而言，要优化产品结构，调整宣传策略。家庭受到金融排斥的原因主要是对金融产品和服务不了解、有偏见，以及面对高昂的入场门槛而无能为力，因此金融机构应该增加宣传普及力度，同时加快金融产品创新，设计出门槛较低，价格合理的金融产品帮助家庭更多地参与到金融市场活动。三是对政府而言，要健全金融教育体系，加大金融宣传。政府可以牵头当地的金融机构、高校和居委会，结合实际情况组织金融知识进社区活动，帮助家庭提高金融知识水平，引导其积极参与金融市场活动。